JP7165165B2 - 長期間の連関性が高い文書クラスタリングのための方法およびシステム - Google Patents

Description

以下の説明は、文書クラスタリングのための技術に関する。

近年、情報の検索および推薦などの知能型情報サービスのために、文書を体系的に分類してグループ化するための多様な研究が行われている。

グループ化、すなわちクラスタリングとは、データマイニングの１つであって、多数の項目の属性を基準にその類似性を演算してグループ化する技法である。

クラスタリングは、与えられたデータ集合を、互いに類似性をもつ複数のクラスタ（Ｃｌｕｓｔｅｒ）に分割していく過程であって、１つのグループに属するデータは、互いに異なるグループ内のデータとは区分される類似性をもつようになる。

このような文書クラスタリング方法として、情報検索分野では、Ｋ－ｍｅａｎｓクラスタリング方法やオントロジー（ｏｎｔｏｌｏｇｙ）を利用したクラスタリング方法などを始めとした多様な方法が研究されている。

例えば、特許文献１（公告日２０１１年９月２７日）には、文書のキーワードを含むオントロジーを利用して文書をクラスタリングする技術が開示されている。

韓国登録特許第１０－１０６７８１９号公報

時間帯別に生成された短期クラスタのうちで連関性が高い短期クラスタを併合し、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することができる方法およびシステムを提供する。

コンピュータシステムが実行する文書クラスタリング方法であって、前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記文書クラスタリング方法は、前記少なくとも１つのプロセッサにより、類似文書としてクラスタリングされたクラスタを時間基準で収集する段階、および前記少なくとも１つのプロセッサにより、前記クラスタ間の類似度に基づいて前記クラスタを併合することにより、クラスタグループとしてイシュークラスタを生成する段階を含む、文書クラスタリング方法を提供する。

一側面によると、前記生成する段階は、前記イシュークラスタと前記クラスタ間の類似度に基づいて前記イシュークラスタと前記クラスタを併合する段階を含んでよい。

他の側面によると、前記生成する段階は、前記イシュークラスタと他のイシュークラスタ間の類似度に基づいて前記イシュークラスタと前記他のイシュークラスタを併合する段階を含んでよい。

また他の側面によると、前記イシュークラスタと前記他のイシュークラスタを併合する段階は、前記イシュークラスタと前記他のイシュークラスタのうちで文書件数がより多いクラスタに他のクラスタの文書を併合してよい。

また他の側面によると、前記生成する段階は、前記クラスタのベクトル間の類似度を比較し、事前に定められたクラスタ併合の基準に適ったベクトル類似度をもつクラスタを１つのクラスタとして併合して前記イシュークラスタを生成してよい。

また他の側面によると、前記生成する段階は、前記クラスタに文書が追加される場合、該当のクラスタに対して以前に計算されたベクトルを利用することで文書が追加されたクラスタのベクトルを計算する段階を含んでよい。

また他の側面によると、前記生成する段階は、前記イシュークラスタに他のクラスタが併合される場合、該当のイシュークラスタに対して以前に計算されたベクトルを利用することで他のクラスタが併合されたイシュークラスタのベクトルを計算する段階を含んでよい。

また他の側面によると、前記生成する段階は、並列処理方式により、各クラスタ別に該当のクラスタ以後に生成されたクラスタと比較して最も類似するクラスタを併合対象として選定する段階、および直列処理方式により、前記併合対象として選定されたクラスタを順に併合する段階を含んでよい。

また他の側面によると、前記生成する段階は、前記併合されたクラスタが前記併合対象として再選定されないように除外する段階をさらに含んでよい。

さらに他の側面によると、前記収集する段階は、文書間の類似度に基づいて類似文書としてクラスタリングされたクラスタを収集してよい。

前記文書クラスタリング方法を前記コンピュータシステムに実行させるために非一時的なコンピュータ読み取り可能な記録媒体に記録される、コンピュータプログラムを提供する。

前記文書クラスタリング方法をコンピュータに実行させるためのプログラムが記録されている、非一時的なコンピュータ読み取り可能な記録媒体を提供する。

コンピュータシステムであって、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、類似文書としてクラスタリングされたクラスタを時間基準で収集するクラスタ収集部、および前記クラスタ間の類似度に基づいて前記クラスタを併合することにより、クラスタグループとしてイシュークラスタを生成するクラスタ生成部を含む、コンピュータシステムを提供する。

本発明の実施形態によると、時間帯別に生成された短期クラスタをクラスタ間の類似度に基づいて併合することにより、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することができる。

本発明の一実施形態における、ネットワーク環境の例を示した図である。 本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。 本発明の一実施形態における、サーバのプロセッサが含むことのできる構成要素の例を示した図である。 本発明の一実施形態における、サーバが実行することのできる方法の例を示したフローチャートである。 本発明の一実施形態における、クラスタ間の類似度に基づいてクラスタを併合する過程を示した例示図である。 本発明の一実施形態における、クラスタ間の類似度に基づいてクラスタを併合する過程を示した例示図である。 本発明の一実施形態における、クラスタ間の類似度に基づいてクラスタを併合する過程を示した例示図である。 本発明の一実施形態における、クラスタ間の類似度に基づいてクラスタを併合する過程を示した例示図である。 本発明の一実施形態における、クラスタ併合過程の一例を示したフローチャートである。 本発明の一実施形態における、イシュークラスタを利用したイシュータイムラインのインタフェース画面を示した例示図である。 本発明の一実施形態における、イシュークラスタを利用したイシュータイムラインのインタフェース画面を示した例示図である。 本発明の一実施形態における、イシュークラスタを利用したイシュータイムラインのインタフェース画面を示した例示図である。

以下、本発明の実施形態について、添付の図面を参照しながら詳細に説明する。

本発明の実施形態は、文書クラスタリング技術に関する。

本明細書で具体的に開示される事項を含む実施形態は、時間帯別に生成された短期クラスタをクラスタ間の類似度に基づいて併合することにより、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することができ、これによってクラスタリングの品質と性能を向上させることができる。

また、本明細書で具体的に開示される事項を含む実施形態は、クラスタ間の類似度に基づいてクラスタを併合してイシュークラスタを生成することにより、時間の経過によって主題や内容が変わって文書間の類似度が低下したとしても、関連のあるイシューの文書を効果的にクラスタリングすることができる。

また、本明細書で具体的に開示される事項を含む実施形態は、以前に計算されたクラスタのベクトル値を利用して文書が追加されたクラスタや他のクラスタと併合されたクラスタのベクトル値を計算する方式でクラスタ併合を実行することにより、計算量を飛躍的に減らし、迅速かつ安定的なクラスタリング性能を提供することができる。

図１は、本発明の一実施形態における、ネットワーク環境の例を示した図である。図１のネットワーク環境は、複数の電子機器１１０、１２０、１３０、１４０、複数のサーバ１５０、１６０、およびネットワーク１７０を含む例を示している。このような図１は、発明の説明のための一例に過ぎず、電子機器の数やサーバの数が図１のように限定されることはない。

複数の電子機器１１０、１２０、１３０、１４０は、コンピュータシステムによって実現される固定端末や移動端末であってよい。複数の電子機器１１０、１２０、１３０、１４０の例としては、ＡＩスピーカ、スマートフォン、携帯電話、ナビゲーション、ＰＣ（ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒ）、ノート型ＰＣ、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレット、ゲームコンソール、ウェアラブルデバイス、ＩｏＴ（ｉｎｔｅｒｎｅｔ ｏｆ ｔｈｉｎｇｓ）デバイス、ＶＲ（ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）デバイス、ＡＲ（ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）デバイスなどがある。一例として、図１では、電子機器１１０の例としてスマートフォンを示しているが、本発明の実施形態において、電子機器１１０は、実質的に無線または有線通信方式を利用し、ネットワーク１７０を介して他の電子機器１２０、１３０、１４０および／またはサーバ１５０、１６０と通信することのできる多様な物理的なコンピュータシステムのうちの１つを意味してよい。

通信方式が限定されることはなく、ネットワーク１７０が含むことのできる通信網（一例として、移動通信網、有線インターネット、無線インターネット、放送網、衛星網など）を利用する通信方式だけではなく、機器間の近距離無線通信が含まれてよい。例えば、ネットワーク１７０は、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。さらに、ネットワーク１７０は、バスネットワーク、スターネットワーク、リングネットワーク、メッシュネットワーク、スター－バスネットワーク、ツリーまたは階層的ネットワークなどを含むネットワークトポロジのうちの任意の１つ以上を含んでもよいが、これらに限定されることはない。

サーバ１５０、１６０それぞれは、複数の電子機器１１０、１２０、１３０、１４０とネットワーク１７０を介して通信して命令、コード、ファイル、コンテンツ、サービスなどを提供する１つ以上のコンピュータ装置によって実現されてよい。例えば、サーバ１５０は、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第１サービスを提供するシステムであってよく、サーバ１６０も、ネットワーク１７０を介して接続した複数の電子機器１１０、１２０、１３０、１４０に第２サービスを提供するシステムであってよい。より具体的な例として、サーバ１５０は、複数の電子機器１１０、１２０、１３０、１４０においてインストールされて実行されるコンピュータプログラムであるアプリケーションを通じ、該当のアプリケーションが目的とするサービス（一例として、ニュースサービスなど）を第１サービスとして複数の電子機器１１０、１２０、１３０、１４０に提供してよい。他の例として、サーバ１６０は、上述したアプリケーションのインストールおよび実行のためのファイルを複数の電子機器１１０、１２０、１３０、１４０に配布するサービスを第２サービスとして提供してよい。

図２は、本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。図２では、電子機器に対する例として電子機器１１０の内部構成およびサーバ１５０の内部構成について説明する。また、他の電子機器１２０、１３０、１４０やサーバ１６０も、上述した電子機器１１０またはサーバ１５０と同一または類似の内部構成を有してよい。

電子機器１１０およびサーバ１５０は、メモリ２１１、２２１、プロセッサ２１２、２２２、通信モジュール２１３、２２３、および入力／出力インタフェース２１４、２２４を含んでよい。メモリ２１１、２２１は、非一時的なコンピュータ読み取り可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ディスクドライブ、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、フラッシュメモリ（ｆｌａｓｈ ｍｅｍｏｒｙ）などのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭ、ＳＳＤ、フラッシュメモリ、ディスクドライブのような永続的大容量記録装置は、メモリ２１１、２２１とは区分される別の永続的記録装置として電子機器１１０やサーバ１５０に含まれてもよい。また、メモリ２１１、２２１には、オペレーティングシステムと、少なくとも１つのプログラムコード（一例として、電子機器１１０においてインストールされて実行されるブラウザや、特定のサービスの提供のために電子機器１１０にインストールされるアプリケーションなどのためのコード）が記録されてよい。このようなソフトウェア構成要素は、メモリ２１１、２２１とは別のコンピュータ読み取り可能な記録媒体からロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読み取り可能な記録媒体ではない通信モジュール２１３、２２３を通じてメモリ２１１、２２１にロードされてもよい。例えば、少なくとも１つのプログラムは、開発者またはアプリケーションのインストールファイルを配布するファイル配布システム（一例として、上述したサーバ１６０）がネットワーク１７０を介して提供するファイルによってインストールされるコンピュータプログラム（一例として、上述したアプリケーション）に基づいてメモリ２１１、２２１にロードされてよい。

プロセッサ２１２、２２２は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ２１１、２２１または通信モジュール２１３、２２３によって、プロセッサ２１２、２２２に提供されてよい。例えば、プロセッサ２１２、２２２は、メモリ２１１、２２１のような記録装置に記録されたプログラムコードにしたがって受信される命令を実行するように構成されてよい。

通信モジュール２１３、２２３は、ネットワーク１７０を介して電子機器１１０とサーバ１５０とが互いに通信するための機能を提供してもよいし、電子機器１１０および／またはサーバ１５０が他の電子機器（一例として、電子機器１２０）または他のサーバ（一例として、サーバ１６０）と通信するための機能を提供してもよい。一例として、電子機器１１０のプロセッサ２１２がメモリ２１１のような記録装置に記録されたプログラムコードにしたがって生成した要求が、通信モジュール２１３の制御にしたがってネットワーク１７０を介してサーバ１５０に伝達されてよい。これとは逆に、サーバ１５０のプロセッサ２２２の制御にしたがって提供される制御信号や命令、コンテンツ、ファイルなどが、通信モジュール２２３とネットワーク１７０を経て電子機器１１０の通信モジュール２１３を通じて電子機器１１０に受信されてよい。例えば、通信モジュール２１３を通じて受信されたサーバ１５０の制御信号や命令、コンテンツ、ファイルなどは、プロセッサ２１２やメモリ２１１に伝達されてよく、コンテンツやファイルなどは、電子機器１１０がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

入力／出力インタフェース２１４は、入力／出力装置２１５とのインタフェースのための手段であってよい。例えば、入力装置は、キーボード、マウス、マイクロフォン、カメラなどの装置を、出力装置は、ディスプレイ、スピーカ、触覚フィードバックデバイスなどのような装置を含んでよい。他の例として、入力／出力インタフェース２１４は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置２１５は、電子機器１１０と１つの装置で構成されてもよい。また、サーバ１５０の入力／出力インタフェース２２４は、サーバ１５０に接続するかサーバ１５０が含むことのできる入力または出力のための装置（図示せず）とのインタフェースのための手段であってよい。より具体的な例として、電子機器１１０のプロセッサ２１２がメモリ２１１にロードされたコンピュータプログラムの命令を処理するにあたり、サーバ１５０や電子機器１２０が提供するデータを利用して構成されるサービス画面やコンテンツが、入力／出力インタフェース２１４を通じてディスプレイに表示されてよい。

また、他の実施形態において、電子機器１１０およびサーバ１５０は、図２の構成要素よりも多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、電子機器１１０は、上述した入力／出力装置２１５のうちの少なくとも一部を含むように実現されてもよいし、トランシーバ、カメラ、各種センサ、データベースなどのような他の構成要素をさらに含んでもよい。より具体的な例として、電子機器１１０がＡＩスピーカである場合、一般的にＡＩスピーカが含んでいる各種センサ、カメラモジュール、物理的な各種ボタン、タッチパネルを利用したボタン、入力／出力ポート、振動のための振動器などのような多様な構成要素が、電子機器１１０にさらに含まれるように実現されてよい。

以下では、長期間の連関性が高い文書クラスタリングのための方法およびシステムの具体的な実施形態について説明する。

本明細書において、文書とは、インターネット上で検索や推薦などの対象となる情報単位を意味してよい。

本実施形態では、ニュースサービスを通じて提供される記事（ｎｅｗｓ）を文書の代表的な例として説明するが、クラスタリングの対象が記事に限定されてはならず、インターネット上に情報単位で提供されるすべての形態の文書に拡大した適用が可能である。

文書クラスタリング技術は、多くの記事を主題別に効果的に分類して伝達するために利用されており、クラスタリングされた記事の集結規模や重要度などに基づき、所定のアルゴリズムを用いて特定のクラスタ記事をサービス画面の上位に表示する方式を使用したりもする。

このようなクラスタリング技術は、内容が似ている記事をクラスタリングするものであり、主に最新の記事を中心として使用する場合には品質は高まるが、時間範囲が広がるほどクラスタリングの品質は低下する。また、時間によって主題が変わる時事的な記事をクラスタリングするには限界があり、記事の件数が増えるほど処理時間が急激に増加するという問題がある。

本発明の実施形態は、時間帯別に生成された短期クラスタを併合することにより、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することを目的とする。

図３は、本発明の一実施形態における、サーバのプロセッサが含むことのできる構成要素の例を示したブロック図であり、図４は、本発明の一実施形態における、サーバが実行することのできる方法の例を示したフローチャートである。

本実施形態に係るサーバ１５０は、記事を提供するニュースサービスプラットフォームの役割を担ってよい。特に、サーバ１５０は、中／長期的に続くイシューに該当する記事を効果的にクラスタリングして提供してよい。

サーバ１５０のプロセッサ２２２は、図４に係る文書クラスタリング方法を実行するための構成要素として、図３に示すように、クラスタ収集部３１０、クラスタ生成部３２０、およびクラスタ表示部３３０を含んでよい。実施形態によって、プロセッサ２２２の構成要素は、選択的にプロセッサ２２２に含まれても除外されてもよい。また、実施形態によって、プロセッサ２２２の構成要素は、プロセッサ２２２の機能の表現のために分離されても併合されてもよい。

このようなプロセッサ２２２およびプロセッサ２２２の構成要素は、図４の文書クラスタリング方法が含む段階４１０～４５０を実行するようにサーバ１５０を制御してよい。例えば、プロセッサ２２２およびプロセッサ２２２の構成要素は、メモリ２２１が含むオペレーティングシステムのコードと少なくとも１つのプログラムのコードとによる命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行するように実現されてよい。

ここで、プロセッサ２２２の構成要素は、サーバ１５０に記録されたプログラムコードが提供する命令にしたがってプロセッサ２２２によって実行される互いに異なる機能（ｄｉｆｆｅｒｅｎｔ ｆｕｎｃｔｉｏｎｓ）の表現であってよい。例えば、サーバ１５０が短期クラスタを収集するように上述した命令にしたがってサーバ１５０を制御するプロセッサ２２２の機能的表現として、クラスタ収集部３１０が利用されてよい。

プロセッサ２２２は、サーバ１５０の制御と関連する命令がロードされたメモリ２２１から必要な命令を読み取ってよい。この場合、前記読み取られた命令は、以下で説明する段階４１０～４５０をプロセッサ２２２が実行するように制御するための命令を含んでよい。以下で説明する段階４１０～４５０は、図４に示した順序とは異なる順序で実行されてもよく、段階４１０～４５０の一部が省略されても、追加の過程がさらに含まれてもよい。

以下では、時間を基準として連関性の高い記事で束ねられたクラスタは「短期クラスタ」とし、連関性の高いクラスタとして束ねられて１つのイシュー単位が生成される場合、イシュー単位に該当するクラスタグループは「イシュークラスタ」とする。

図４を参照すると、段階４１０で、クラスタ収集部３１０は、記事間の類似度に基づいて類似記事としてクラスタリングされた短期クラスタを収集してよい。クラスタ収集部３１０は、ここ最近の一定時間内の記事をクラスタリングして生成された短期クラスタを収集してよい。短期クラスタを生成するための記事クラスタリング方法としては、広く利用されているクラスタリング技法のうちの少なくとも１つが利用されてよい。このとき、各短期クラスタに対しては、クラスタ生成過程で固有の識別子（ＩＤ）が付与されてよい。記事クラスタリングの作業中に、以前に生成された既存のクラスタでは以前に付与された識別子が維持されてよい。

例えば、図５を参照すると、クラスタ収集部３１０は、互いに異なる記事５０のベクトル間の類似度が一定レベル以上の場合に、１つのクラスタとして束ねて短期クラスタ５０１を生成してよい。このとき、各記事５０のベクトルとは、該当の記事５０に含まれた単語のベクトル平均を意味してよい。クラスタ収集部３１０は、ここ最近３６時間以内の類似記事を短期クラスタ５０１として束ねてよい。短期クラスタ５０１に対して以前に付与された識別子（ＩＤ）が維持されていたとしても、３６時間が経過した記事は該当のクラスタから削除し、ここ最近３６時間以内の記事だけがサービス対象として表示されてよい。本発明の実施形態では、短期クラスタ５０１を収集するにあたり、短期クラスタ５０１から時間の経過によって削除された記事も、既存の識別子（ＩＤ）ですべて累積して収集してよい。

図４を参照すると、段階４２０で、クラスタ生成部３２０は、クラスタ間の類似度に基づいて短期クラスタを併合することにより、イシュークラスタを生成してよい。短期クラスタのうちの一部は類似する主題の記事で構成されているが、１つのクラスタとして束ねられていなかったり、記事の時間差のせいで互いに異なるクラスタとして存在したりする場合が多い。このような問題を解決するために、クラスタ生成部３２０は、短期クラスタがクラスタ併合の基準を満たす場合、つまり、短期クラスタ間の類似度が一定レベル以上の場合、１つのイシュークラスタとして束ねてよい。

例えば、図６を参照すると、クラスタ生成部３２０は、短期クラスタ５０１のうち、短期クラスタ５０１のベクトル間の類似度が一定レベル以上の場合、１つのクラスタとして併合してイシュークラスタ６０２を生成してよい。短期クラスタ５０１のベクトルとは、該当のクラスタに含まれた記事のベクトル平均を意味してよい。

クラスタ併合の基準としてクラスタ間の類似度を適用するが、一例として、クラスタベクトルどうしを比較し、ユークリッド（Ｅｕｃｌｉｄ）値とコサイン（ｃｏｓｉｎｅ）値のうちの少なくとも１つが定められた範囲にあるクラスタを１つのクラスタとして束ねてよい。例えば、２つのクラスタのベクトル間のコサイン類似度が０．９８以上の場合、および／または２つのクラスタのベクトル間のユークリッド類似度が０．７１以上の場合、２つのクラスタを１つのクラスタとして束ねてよい。このとき、ベクトル間の類似度は、「１／（１＋２つのベクトル間の距離）」のように定義されてよい。

クラスタのベクトル値を求めるために、従来は、クラスタに記事が追加される場合、全体記事のベクトルを用いて全体の平均を新たに求める方法を適用していたが、このような場合には多数のＡＰIの呼び出しと多数の計算を含むようになり、記事が増加するほどその計算量も増加していた。

本実施形態では、短期クラスタｃに記事ｎが追加される場合、短期クラスタｃに対して以前に計算されたベクトルｖを利用して新規ベクトルｖ’を一度に求めることができるが、これは数式（１）のように定義されてよい。

ｖ’＝（ｖ_ｎ＋（ｖ×ｍ_ｃ））／（１＋ｍ_ｃ）・・・（１）

ここで、ｖ_ｎは追加される記事ｎのベクトル値、ｍ_ｃは短期クラスタｃに含まれた既存の記事件数を意味する。

このような方式により、以前に計算された短期クラスタのベクトル値を利用することで、記事が追加された短期クラスタの新規ベクトル値を容易かつ迅速に求めることができる。

図４を参照すると、段階４３０で、クラスタ生成部３２０は、クラスタ間の類似度に基づいて新たに生成された短期クラスタを、段階４２０で生成されたイシュークラスタと併合してよい。

図７に示すように、クラスタ生成部３２０は、段階４２０で生成されたイシュークラスタ６０２のベクトルと新たに生成される短期クラスタ５０１’のベクトルとを比較し、クラスタ併合の基準を満たすベクトル類似度をもつ場合、短期クラスタ５０１’をイシュークラスタ６０２に含ませてよい。このとき、イシュークラスタのベクトルとは、該当のクラスタに含まれた短期クラスタのベクトル平均を意味してよく、短期クラスタとイシュークラスタの併合基準は、上述した短期クラスタ間の併合基準と等しい。

図４を参照すると、段階４４０で、クラスタ生成部３２０は、クラスタ間の類似度に基づいて以前に生成されたイシュークラスタを、段階４３０で生成されたイシュークラスタと併合してよい。イシュークラスタとイシュークラスタ間の併合基準は、上述した短期クラスタ間の併合基準と等しい。

図８に示すように、クラスタ生成部３２０は、短期クラスタの併合によって生成されたイシュークラスタのベクトルと以前に生成されたイシュークラスタ６０２’のベクトルとを比較し、クラスタ併合の基準を満たすベクトル類似度をもつ場合、１つのイシュークラスタ６０２として併合してよい。言い換えれば、クラスタ生成部３２０は、イシュークラスタ間のベクトルを互いに比較し、クラスタ併合の基準に適えば１つのイシュークラスタ６０２として束ねてよい。このとき、クラスタ生成部３２０は、クラスタ併合の基準を満たすイシュークラスタの記事件数を比較し、記事件数が多いイシュークラスタに残りのイシュークラスタの記事を併合してよい。

本実施形態では、イシュークラスタＣに新たな短期クラスタｃが追加されるか、（記事件数がより少ない）小さいイシュークラスタＣ’を（記事件数がより多い）大きいイシュークラスタＣに併合する場合、イシュークラスタＣに対して以前に計算されたベクトルＶを利用して新規ベクトルＶ’を一度に求めることができるが、これは数式（２）または数式（３）のように定義されてよい。

Ｖ’＝（（ｖ_ｃ×ｍ_ｃ）＋（Ｖ×ｍ_Ｃ））／（ｍ_ｃ＋ｍ_Ｃ）・・・（２）

ここで、ｖ_ｃは短期クラスタｃのベクトル値、ｍ_ｃは短期クラスタｃに含まれた記事件数、ｍ_ＣはイシュークラスタＣに含まれた既存の記事件数を意味する。

Ｖ’＝（（ｖ_Ｃ’×ｍ_Ｃ’）＋（Ｖ×ｍ_Ｃ））／（ｍ_Ｃ’＋ｍ_Ｃ）・・・（３）

ここで、ｖ_Ｃ’は小さいイシュークラスタＣ’のベクトル値、ｍ_Ｃ’は小さいイシュークラスタＣ’に含まれた記事件数、ｍ_ＣはイシュークラスタＣに含まれた既存の記事件数を意味する。

このような方式により、以前に計算されたイシュークラスタのベクトル値を利用することで、短期クラスタあるいは小さいイシュークラスタが併合されたイシュークラスタの新規ベクトル値を容易かつ迅速に求めることができる。

クラスタに対して全体記事のベクトル平均を毎回のように求める場合に比べ、以前の過程で予め計算されたベクトル値を利用することにより、記事が追加されるか他のクラスタと併合されるクラスタの新規ベクトルを飛躍的に迅速に求めることができる。

上述したイシュークラスタの生成過程４１０～４４０は例示的なものに過ぎず、これに限定されることはない。

また、Ａ、Ｂ、Ｃ、Ｄの短期クラスタあるいはイシュークラスタが存在すると仮定するとき、クラスタ間の併合過程４２０～４４０で、Ａ－Ｂ、Ａ－Ｃ、Ｂ－Ｃ、Ｃ－Ｄがクラスタ併合の条件を満たす場合に併合を一度に行うようになれば、Ａ、Ｂ、Ｃ、Ｄがすべて１つのクラスタとして併合される。

しかし、クラスタ併合の条件を満たすクラスタを一度に併合する場合、次のような問題が発生することがある。

先ず、クラスタＡとＢの併合結果、併合されたクラスタＡＢのベクトルとクラスタＤ間のベクトル距離が遠くなってクラスタ併合の条件を満たすことができなくなることがあり、クラスタ併合の条件にまったく適わなかったクラスタＥと併合クラスタＡＢとのベクトル距離が近くなってクラスタ併合の条件を満たすようになることがある。

次に、クラスタ併合プロセスを並列進行する場合、クラスタＡとＢがクラスタＢに併合されると同時に、クラスタＢとＣがクラスタＢに併合されることがある。

このような２つの問題を解決するためのクラスタ併合方法の一例は、図９に示すとおりである。

図９を参照すると、クラスタ生成部３２０は、すべてのクラスタを対象に、各クラスタ別に該当のクラスタ以後に生成されたクラスタと比較し、そのうちベクトル距離が最も近いクラスタ（短期クラスタあるいはイシュークラスタ）だけを併合対象として選定する（Ｓ９０１）。この段階９０１は、並列処理方式で行われる。

クラスタ生成部３２０は、段階９０１で併合対象として選定されたクラスタを、直列処理方式によって１つ１つ順に併合する（Ｓ９０２）。既に併合されたクラスタは、次の過程で併合対象として再選定されたとしても無視し、併合後には併合対象として選定されないように除外してよい。

クラスタ生成部３２０は、段階９０２の実行結果、併合されるクラスタの件数が０であるかを判断し（Ｓ９０３）、併合されるクラスタが１つ以上存在する場合には、併合されたクラスタを含んだ全体クラスタを対象として再び段階９０１からの段階を繰り返す。

クラスタ生成部３２０は、併合されるクラスタの個数が０になるまで前記過程９０１～９０２を繰り返した後、併合されるクラスタの件数が０になれば、クラスタ併合を終了させる（Ｓ９０４）。

本実施形態では、クラスタ併合の以前と以後の結果に影響を及ぼさずに計算量が多い部分を並列処理することにより、迅速かつ安定的にクラスタ併合を実行することができる。

クラスタ併合方法は、同じ記事の存在可否、ベクトルユークリッド、ベクトルコサインなどのように類似度を示す多様な特徴を活用してよく、広く利用されている併合方式のうちの少なくとも１つの方式を利用してよく、各方式による併合結果で記事件数、クラスタ数、クラスタ内の記事の類似度あるいは関連性などのような要件に応じて選択的に適用されてよい。

本実施形態では、記事を提供するサービスを通じて揮発性であるクラスタデータと破片化されたクラスタデータを併合することにより、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することができる。

従来には、長期にわたって収集した記事をクラスタリングする場合、テキストを中心とし、テキストが似ている記事を束ね、結局は似たような文書の集合体を生成するだけであったが、本発明では時間を基準として束ねたクラスタをクラスタ間の類似度に基づいて併合していくことにより、イシュー単位のクラスタグループを生成することができ、文書上の内容が変わるが脈絡的には共通するイシューをもつ文書の集合体を生成することができる。クラスタ間の類似度に基づいてクラスタを併合してイシュークラスタを生成することにより、記事間の類似度では併合が困難であった記事を、共通するイシューをもつ１つのクラスタとして束ねることができる。

図４を参照すると、段階４５０で、クラスタ表示部３３０は、段階４４０で最終併合されたイシュークラスタの記事を、記事提供サービスを通じて表示してよい。クラスタ表示部３３０は、イシュークラスタを利用した記事タイムラインとしてインターネット上の記事のうちでイシュークラスタに含まれた記事に対するタイムラインを提供してよい。言い換えれば、クラスタ表示部３３０は、イシュークラスタを利用してイシュークラスタに含まれた記事を時系列で表示してよい。

クラスタ表示部３３０は、イシュークラスタのうちで事前に定められた表示条件を満たす少なくとも１つのイシュークラスタを、サービスを通じて表示してよい。一例として、クラスタ表示部３３０は、コンテンツ提供者（ｃｏｎｔｅｎｔ ｐｒｏｖｉｄｅｒ）（例えば、報道機関など）によって特定された記事あるいはサービスを利用するユーザの選択や設定によって特定された記事が存在するイシュークラスタをサービス表示対象として決定してよい。言い換えれば、クラスタ表示部３３０は、報道機関が取り扱う主要イシューやユーザ個人が関心のあるイシューに対応するイシュークラスタに対し、サービスページ上にイシュータイムラインを表示してよい。他の例として、クラスタ表示部３３０は、文書の件数、クラスタリング後の経過時間、コメント数のうちの少なくとも１つが事前に定められた条件に該当するイシュークラスタをサービス表示対象として決定してよい。イシュークラスタの表示条件は、例えば、クラスタに含まれた記事のうち最初にクラスタリングされた記事が２日以上経過した場合、あるいはクラスタに含まれた記事の総数が２００件以上の場合、コメント数が１００件以上の記事が１日あたり３件以上であり該当の条件の日が２日以上である場合などが含まれてよい。上述したイシュークラスタの表示条件とともに、報道機関イシューや個人イシューを結合させてサービス表示対象を決定することも可能である。

上述イシュークラスタを利用したイシュータイムラインのインタフェース画面の例は、図１０～１２に示すとおりである。

図１０を参照すると、クラスタ表示部３３０は、イシュークラスタ、すなわち、中／長期的に連関性の高い記事を時系列で表示するためのイシュータイムライン画面１０００を、ニュースサービスを通じて表示してよい。イシュータイムライン画面１０００には、イシュークラスタに含まれた単位時間（例えば、１ｄａｙ）別に記事件数をグラフ形態で示す時間領域１０１０、およびイシュークラスタに含まれた記事リストを単位時間別に区分して示す記事領域１０２０が含まれてよい。

イシュータイムライン画面１０００は、中／長期的に連関性の高い記事を一目で把握することができ、時間領域１０１０と記事領域１０２０とが有機的に連結された構造によって記事確認のためのナビゲーション機能を提供してよい。

イシュータイムライン画面１０００の一部領域、例えば上端には、イシュークラスタが生成された期間情報１００１、イシュークラスタと関連するイシュータイトル１００２などが含まれてよい。イシュータイトル１００２は、イシュークラスタに含まれた少なくとも１つの記事の題目やタグなどを活用して生成されるものであって、例えば、コメント数が最も多い記事の題目がイシュータイトル１００２として表示されてもよいし、あるいは記事の題目やタグなどに主に登場するキーワードの組み合わせによってイシュータイトル１００２が生成されて表示されてもよい。

時間領域１０１０は、イシュークラスタに含まれた各単位時間の時間情報と記事件数が含まれるものであって、例えば、一軸には時間情報を示し、他の軸には記事件数を棒の長さで示す棒グラフの形態が表示されてよい。このとき、記事件数により、グラフバーのディスプレイ要素（例えば、色や明るさなど）が区分されて表示されてよい。例えば、記事件数が多いほどグラフバーの色は濃く、記事件数が少ないほどグラフバーの色は薄く表示されてよい。

記事領域１０２０は、１つのイシュークラスタとして併合された単位時間別の記事リストが日付順、記事件数順などの一定の基準によって整列されてよく、例えば、ここ最近のクラスタが最上位に表示されてもよいし、あるいは最も多くの記事を含んだクラスタが最上位に表示されてもよい。

図１１を参照すると、イシュータイムライン画面１０００において、時間領域１０１０は、一方向（例えば、左右方向）のスクロール１１０１が可能であり、記事領域１０２０は、時間領域１０１０と同一あるいは他の方向（例えば、上下方向）のスクロール１１０２が可能となるようにインタフェースを構成してよい。

イシュークラスタがサービスを通じて表示されることにより、ユーザは、イシュークラスタの時間領域１０１０に対するスクロール１１０１により、該当のイシューが登場した後にクラスタリングされた全体期間内で単位時間別の記事件数を確認することができ、イシュー登場時点、最もイシューとなった時点などのように時間経過によるイシューの変化を一目で確認することができる。

また、記事領域１０２０に対するスクロール１１０２により、イシュークラスタに含まれた単位時間別の記事リストを事前に定められた整列順に示すことができ、ユーザは、単位時間別にクラスタリングされた記事を確認することができる。記事領域１０２０には、単位時間別に一定の件数（例えば、３件）の一部記事だけを示し、ユーザから特定の日付の記事リストに対して別途の要求（例えば、もっと見る、全体表示など）が入力されれば、全体記事を示してよい。

記事領域１０２０に対してスクロール１１０２がなされるとき、記事リストの画面表示に合わせて時間領域１０１０が自動でスクロールされてよい。一例として、記事領域１０２０に対するスクロール１１０２により、時間領域１０１０で画面の事前に定められた基準範囲（例えば、中央線など）に表示された記事リストの単位時間グラフバーが中央に自動でスクロールされ、他の単位時間グラフバーと区別されるように表示されてよい。

図１２を参照すると、記事領域１０２０に対するスクロール１１０２により、単位時間別の記事リストを確認する過程において、時間領域１０１０が初期状態（図１０）に比べて簡略化されてよい。例えば、記事領域１０２０に対するスクロール１１０２が一定時間（例えば、１秒）以上続けば、時間領域１０１０のサイズが小さくなるか、時間領域１０１０のグラフバーが縮小された形態で表示されてよい。記事領域１０２０のスクロール１１０２によって最上端に整列された記事リストが画面に再び表示される場合、時間領域１０１０は初期状態（図１０）に復元されてよい。

また、記事領域１０２０に対するスクロール１１０２の方向によって時間領域１０１０の表示の可否、つまり、表示状態または隠し状態が選択的に適用されてよい。例えば、記事領域１０２０が下方向にスクロールされる場合には時間領域１０１０が隠し処理される反面、記事領域１０２０が上方向にスクロールされる場合には時間領域１０１０が再び表示されてよい。

同じように、時間領域１０１０に対するスクロール１１０１時に、単位時間グラフバーの画面表示に合わせて記事領域１０２０が自動でスクロールされてよい。言い換えれば、時間領域１０１０と記事領域１０２０とが相互に連結され、一領域のスクロールに合わせて他の領域が自動でスクロールされてよい。

他の例として、記事領域１０２０に対してスクロール１１０２がなされるときに時間領域１０１０が自動でスクロールされる反面、時間領域１０１０に対してスクロール１１０１がなされるときに記事領域１０２０が既存の位置で固定状態を維持することも可能であり、その反対も可能であることはもちろんである。

時間領域１０１０に対してスクロール１１０１がなされるときに記事領域１０２０が自動でスクロールされずに固定状態を維持するようにインタフェースが構成された場合、時間領域１０１０で特定の日付のグラフ、例えば、７月２６日のグラフバーを選択すれば、記事領域１０２０では７月２６日付けの記事リストに自動でスクロールされて表示されてよい。時間領域１０１０では、選択された日付のグラフバーが他の単位時間グラフバーとは区別されるように表示されてよい。時間領域１０１０の初期状態（図１０）で特定の日付のグラフバーが選択された場合、選択された日付の記事リストが記事領域１０２０に表示されると同時に、時間領域１０１０は簡略化されて表示されてよい。

このように、本発明の実施形態によると、時間帯別に生成された短期クラスタをクラスタ間の類似度に基づいて併合することにより、中／長期的に関連のあるイシュー単位のクラスタグループとしてイシュークラスタを生成することができる。クラスタ間の類似度に基づいてクラスタを併合してイシュークラスタを生成することにより、時間の経過によって主題や内容が変わって記事間の類似度が低下したとしても、関連のあるイシューの記事を効果的にクラスタリングすることができる。以前に計算されたクラスタのベクトル値を利用して記事が追加されたクラスタや他のクラスタと併合されたクラスタのベクトル値を計算する方式でクラスタ併合を実行することにより、計算量を飛躍的に減らし、迅速かつ安定的なクラスタリング性能を提供することができる。

さらに、本発明の実施形態によると、イシュークラスタを利用することで、中／長期的に連関性の高い記事を時系列で示すことのできる記事タイムラインを提供することができる。イシュークラスタによって単位時間に対する表示領域と各単位時間別にクラスタリングされた記事を表示することにより、長期間に連関性の高い記事を一目で把握することができ、時間領域と記事領域とが有機的に連結される構造で記事確認のためのナビゲーション機能を提供することにより、ユーザの利便性を向上させることができる。

上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、および／またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してもよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、思うままに動作するように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。このとき、媒体は、コンピュータ実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時記録するものであってもよい。また、媒体は、単一または複数のハードウェアが結合した形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体に限定されることはなく、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピディスク、磁気テープのような磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令が記録されるように構成されたものであってよい。また、媒体の他の例として、アプリケーションを配布するアプリケーションストアやその他の多様なソフトウェアを供給または配布するサイト、サーバなどで管理する記録媒体または格納媒体も挙げられる。

以上のように、実施形態を、限定された実施形態と図面に基づいて説明したが、当業者であれば、上述した記載から多様な修正および変形が可能である。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって対置されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

２２２：プロセッサ
３１０：クラスタ収集部
３２０：クラスタ生成部
３３０：クラスタ表示部

Claims (20)

1. コンピュータシステムが実行する文書クラスタリング方法であって、
   前記コンピュータシステムは、メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサを含み、
   前記文書クラスタリング方法は、
   前記少なくとも１つのプロセッサにより、類似文書としてクラスタリングされたクラスタを時間基準で収集する段階、および
   前記少なくとも１つのプロセッサにより、前記クラスタ間の類似度に基づいて前記クラスタを併合することにより、クラスタグループとしてイシュークラスタを生成する段階
   を含み、
   前記生成する段階のクラスタの併合は、
   並列処理方式により、各クラスタ別に、該当のクラスタ以後に生成されたクラスタと比較し、最も類似するクラスタを併合対象として選定した後、直列処理方式により、前記併合対象として選定されたクラスタがまだ併合されていない場合、前記併合対象として選定されたクラスタを順に併合すること
   を特徴とする、文書クラスタリング方法。
2. 前記生成する段階は、
   前記イシュークラスタと前記クラスタ間の類似度に基づいて前記イシュークラスタと前記クラスタを併合する段階
   を含む、請求項１に記載の文書クラスタリング方法。
3. 前記生成する段階は、
   前記イシュークラスタと他のイシュークラスタ間の類似度に基づいて前記イシュークラスタと前記他のイシュークラスタを併合する段階
   を含む、請求項１または２に記載の文書クラスタリング方法。
4. 前記イシュークラスタと前記他のイシュークラスタを併合する段階は、
   前記イシュークラスタと前記他のイシュークラスタのうち、文書の件数がより多いクラスタに他のクラスタの文書を併合すること
   を特徴とする、請求項３に記載の文書クラスタリング方法。
5. 前記生成する段階は、
   前記クラスタのベクトル間の類似度を比較し、事前に定められたクラスタ併合の基準を満たすベクトル類似度をもつクラスタを１つのクラスタとして併合して前記イシュークラスタを生成すること
   を特徴とする、請求項１に記載の文書クラスタリング方法。
6. 前記生成する段階は、
   前記クラスタに文書が追加される場合、該当のクラスタに対して以前に計算されたベクトルを利用することで文書が追加されたクラスタのベクトルを計算する段階
   を含む、請求項５に記載の文書クラスタリング方法。
7. 前記生成する段階は、
   前記イシュークラスタに他のクラスタが併合される場合、該当のイシュークラスタに対して以前に計算されたベクトルを利用することで他のクラスタが併合されたイシュークラスタのベクトルを計算する段階
   を含む、請求項５または６に記載の文書クラスタリング方法。
8. 前記生成する段階は、
   時間帯別に生成される短期クラスタである前記クラスタの間の類似度に基づき、前記クラスタを併合して中長期イシュー単位のクラスタグループである前記イシュークラスタを生成する段階、
   前記イシュークラスタと前記イシュークラスタの生成の以降に新たに生成された他のクラスタとの間の類似度に基づき、前記イシュークラスタと前記他のクラスタを併合する段階、及び
   前記イシュークラスタと前記イシュークラスタの生成の以降に新たに生成された他のイシュークラスタとの間の類似度に基づき、前記イシュークラスタと前記他のイシュークラスタを併合する段階
   を含む、請求項１に記載の文書クラスタリング方法。
9. 前記生成する段階は、
   前記併合されたクラスタが前記併合対象として再選定されないように除外する段階
   をさらに含む、請求項１に記載の文書クラスタリング方法。
10. 前記収集する段階は、
    文書間の類似度に基づいて類似文書としてクラスタリングされたクラスタを収集すること
    を特徴とする、請求項１～９のうちのいずれか一項に記載の文書クラスタリング方法。
11. 請求項１～１０のうちのいずれか一項に記載の文書クラスタリング方法を前記コンピュータシステムに実行させる、コンピュータプログラム。
12. 請求項１～１０のうちのいずれか一項に記載の文書クラスタリング方法をコンピュータに実行させるためのプログラムが記録されている、非一時的なコンピュータ読み取り可能な記録媒体。
13. コンピュータシステムであって、
    メモリに含まれるコンピュータ読み取り可能な命令を実行するように構成された少なくとも１つのプロセッサ
    を含み、
    前記少なくとも１つのプロセッサは、
    類似文書としてクラスタリングされたクラスタを時間基準で収集するクラスタ収集部、および
    前記クラスタ間の類似度に基づいて前記クラスタを併合することにより、クラスタグループとしてイシュークラスタを生成するクラスタ生成部
    を含み、
    前記クラスタ生成部は、
    並列処理方式により、各クラスタ別に、該当のクラスタ以後に生成されたクラスタと比較し、最も類似するクラスタを併合対象とて選定した後、直列処理方式により、前記併合対象として選定されたクラスタがまだ併合されていない場合、前記併合対象として選定されたクラスタを順に併合すること
    を特徴とする、コンピュータシステム。
14. 前記クラスタ生成部は、
    前記イシュークラスタと前記クラスタ間の類似度に基づいて前記イシュークラスタと前記クラスタを併合すること
    を特徴とする、請求項１３に記載のコンピュータシステム。
15. 前記クラスタ生成部は、
    前記イシュークラスタと他のイシュークラスタ間の類似度に基づいて前記イシュークラスタと前記他のイシュークラスタを併合すること
    を特徴とする、請求項１３または１４に記載のコンピュータシステム。
16. 前記クラスタ生成部は、
    前記クラスタのベクトル間の類似度を比較し、事前に定められたクラスタ併合の基準を満たすベクトル類似度をもつクラスタを１つのクラスタとして併合して前記イシュークラスタを生成すること
    を特徴とする、請求項１３に記載のコンピュータシステム。
17. 前記クラスタ生成部は、
    前記クラスタに文書が追加される場合、該当のクラスタに対して以前に計算されたベクトルを利用することで文書が追加されたクラスタのベクトルを計算すること
    を特徴とする、請求項１６に記載のコンピュータシステム。
18. 前記クラスタ生成部は、
    前記イシュークラスタに他のクラスタが併合される場合、該当のイシュークラスタに対して以前に計算されたベクトルを利用することで他のクラスタが併合されたイシュークラスタのベクトルを計算すること
    を特徴とする、請求項１６または１７に記載のコンピュータシステム。
19. 前記クラスタ生成部は、
    時間帯別に生成される短期クラスタである前記クラスタの間の類似度に基づき、前記クラスタを併合して中長期イシュー単位のクラスタグループである前記イシュークラスタを生成し、
    前記イシュークラスタと前記イシュークラスタの生成の以降に新たに生成された他のクラスタとの間の類似度に基づき、前記イシュークラスタと前記他のクラスタを併合し、
    前記イシュークラスタと前記イシュークラスタの生成の以降に新たに生成された他のイシュークラスタとの間の類似度に基づき、前記イシュークラスタと前記他のイシュークラスタを併合すること
    を特徴とする、請求項１３に記載のコンピュータシステム。
20. 前記クラスタ収集部は、
    文書間の類似度に基づいて類似文書としてクラスタリングされたクラスタを収集すること
    を特徴とする、請求項１３～１９のうちのいずれか一項に記載のコンピュータシステム。

Images